力图用最简单易懂的方式科普机器学习算法/人工智能
计划更新内容如下:
- 第0期 机器学习算法能解决什么样的问题(已更新)
- 第1期 15分钟带你掌握实战机器学习前的知识准备
- 第2期 来一场kaggle实战初体验
- 第3期 学习资料推荐
- 还没想好,欢迎大家提建议
- 理论性内容过于严谨,学起来吃力耗时长
- 快餐性内容过于流程化,看了之后不知道怎么用到自己的场景里
- 我希望结合自己的踩坑经验,做一些讲解让大家看了以后就能上手用,用起来之后再慢慢补理论基础
任何对机器学习算法,人工智能感兴趣的专业/非专业人群。
- 1.我是xxx背景,我可以做机器学习吗?
答:任何人都可以学习和使用机器学习,因为现有的算法包已经很成熟了,简单理解原理之后调用是很容易的一件事情。仅仅调用现成的算法包在很多场景下已经足够产生很大的收益了,不需要每个人都去把理论吃透,发明新的算法。
- 2.我想学习机器学习,应该怎么开始?
答:(1)如果时间比较充裕,对数学基础比较有信心,可以选择系统性的学习。从andrewNG,李宏毅,林轩田的课开始看。书籍参考李航《统计学习方法》和西瓜书(周志华老师《机器学习》),英文教材PRML等等。这些资料去知乎能搜到很多。(2)如果时间不充足,不喜欢推数学公式的话可以直接上手实操。先学一些python的基础语法,然后直接上kaggle找比赛看高赞的kernel。kernel就是别人写的代码,从读取数据,预处理,模型训练到预测,很快就可以体验完整的流程,不需要对模型的理解很深入。先把完整的流程走通,得到正反馈再一点一点补理论基础。(后面总结更多资料)
个人推荐大多数人走方法二就好。因为如果不是要走学术路线,只是为了能解决一些实际问题或者找工作,只要明白每个模型的大体思路,每个参数有什么影响,用别人写好的模型就足够做出一个还不错的结果了。想要突破sota做出创新的方法一还是留给少数大牛去做吧
- 3.算法这么“高大上”的岗位都会被裁的?
答:任何岗位都是搬砖的,当老板认为你不能做出足够大的产出(或者说产出足够大产出的概率不够大),那被裁就是理所应当的了。一个事实是,算法能够产出是依赖很多前提的:业务量要够大,能够产出高质量的数据,开始的探索期有一段时间是赔钱的……但是开发就不一样了,老板提出什么需求(只要是正常需求)你满足就好了,(至少在老板看来)能够有产出是很明确的一件事情。
- 4.非计算机专业转行做算法难度大吗?
答:做算法难度确实大,但是哪行都不容易啊,看自己愿意吃哪种苦了。只要有心想做,可以参照Q2中的方法二自己试一试。现在的网络资源如此之丰富,只需要用业余时间去做,不需要辞职不需要花钱不需要重新高考。后面这里会持续更新对新人更友好的学习教程。
- 5.关于找算法岗的工作/实习
答:实际经验比学历重要的多。为什么很多人有学历很重要的感觉,那是因为没有实践经验,那人家就只能看你学历了。至于实践经验怎么找,kaggle还有很多类似的平台上有大把的比赛(后面总结一下比赛的平台)可以刷。
- 为什么up主的发量有点不像程序员?
答:大概是因为我还不够强吧。。。努力中